מבחן מס לסוכני AI: גם המודל המוביל עבר רק כ-11% מהמשימות
חברת Surge AI פרסמה את DAYJOB: Tax, מבחן שבודק סוכני AI על 50 משימות מס מקצועיות שנבנו בידי מומחי מס. המודל המוביל, Claude Sonnet 5.5, עבר רק 10.8% מהמשימות. לפי התוצאות, הבעיה של הסוכנים היא פחות בחישובים ויותר בשיקול הדעת המקצועי, למשל בזיהוי סוגיות שהלקוח לא חשב לשאול עליהן.